混淆重新：数据框警告切片的熊猫副本

Question

我查看了一堆与此问题相关的问题和答案，但我仍然发现我在我不期望的地方收到了切片警告的副本。此外，它出现在以前对我来说运行良好的代码中，这让我想知道某种更新是否可能是罪魁祸首。

例如，这是一组代码，我所做的只是将 Excel 文件读入 pandas DataFrame，并减少 df[[]] 语法中包含的列集。

 izmir = pd.read_excel(filepath)
 izmir_lim = izmir[['Gender','Age','MC_OLD_M>=60','MC_OLD_F>=60','MC_OLD_M>18','MC_OLD_F>18','MC_OLD_18>M>5','MC_OLD_18>F>5',
               'MC_OLD_M_Child<5','MC_OLD_F_Child<5','MC_OLD_M>0<=1','MC_OLD_F>0<=1','Date to Delivery','Date to insert','Date of Entery']]

现在，我对这个izmir_lim 文件所做的任何进一步更改都会引发切片警告的副本。

izmir_lim['Age'] = izmir_lim.Age.fillna(0)
izmir_lim['Age'] = izmir_lim.Age.astype(int)

/Users/samillienfeld/anaconda/lib/python3.5/site-packages/ipykernel/ma​​in.py:2： SettingWithCopyWarning：试图在一个副本上设置一个值 从 DataFrame 切片。尝试使用 .loc[row_indexer,col_indexer] = 取而代之的价值

我很困惑，因为我认为 df[[]] 列子集默认返回一个副本。我发现抑制错误的唯一方法是显式添加df[[]].copy()。我可以发誓过去我不必这样做，也没有引发切片错误的副本。

同样，我还有一些其他代码可以在数据帧上运行一个函数，以某种方式对其进行过滤：

def lim(df):
if (geography == "All"):
    df_geo = df
else:
    df_geo = df[df.center_JO == geography]

df_date = df_geo[(df_geo.date_survey >= start_date) & (df_geo.date_survey <= end_date)]

return df_date

df_lim = lim(df)

从现在开始，我对df_lim 的任何值所做的任何更改都会引发切片错误的副本。我发现的唯一解决方法是将函数调用更改为：

df_lim = lim(df).copy()

这对我来说似乎是错误的。我错过了什么？似乎这些用例应该默认返回副本，我可以发誓我上次运行这些脚本时没有遇到这些错误。
我只需要开始到处添加.copy() 吗？似乎应该有一种更清洁的方法来做到这一点。非常感谢任何见解或帮助。

Answer 1

 izmir = pd.read_excel(filepath)
 izmir_lim = izmir[['Gender','Age','MC_OLD_M>=60','MC_OLD_F>=60',
                    'MC_OLD_M>18','MC_OLD_F>18','MC_OLD_18>M>5',
                    'MC_OLD_18>F>5','MC_OLD_M_Child<5','MC_OLD_F_Child<5',
                    'MC_OLD_M>0<=1','MC_OLD_F>0<=1','Date to Delivery',
                    'Date to insert','Date of Entery']]

izmir_lim 是izmir 的视图/副本。您随后尝试分配给它。这就是引发错误的原因。改用这个：

 izmir_lim = izmir[['Gender','Age','MC_OLD_M>=60','MC_OLD_F>=60',
                    'MC_OLD_M>18','MC_OLD_F>18','MC_OLD_18>M>5',
                    'MC_OLD_18>F>5','MC_OLD_M_Child<5','MC_OLD_F_Child<5',
                    'MC_OLD_M>0<=1','MC_OLD_F>0<=1','Date to Delivery',
                    'Date to insert','Date of Entery']].copy()

每当您以下列方式从另一个数据框“创建”新数据框时：

new_df = old_df[list_of_columns_names]

new_df 的is_copy 属性将具有真实值。当您尝试分配给它时，pandas 会抛出 SettingWithCopyWarning。

new_df.iloc[0, 0] = 1  # Should throw an error

您可以通过多种方式克服这个问题。

选项 #1

new_df = old_df[list_of_columns_names].copy()

选项 #2（如 cmets 中的 @ayhan 建议）

new_df = old_df[list_of_columns_names]
new_df.is_copy = None

选项#3

new_df = old_df.loc[:, list_of_columns_names]